Identification of Cognitive Dysfunction in Patients with T2DM Using Whole Brain Functional Connectivity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Majority of type 2 diabetes mellitus (T2DM) patients are highly susceptible to several forms of cognitive impairments, particularly dementia. However, the underlying neural mechanism of these cognitive impairments remains unclear. We aimed to investigate the correlation between whole brain resting state functional connections (RSFCs) and the cognitive status in 95 patients with T2DM. We constructed an elastic net model to estimate the Montreal Cognitive Assessment (MoCA) scores, which served as an index of the cognitive status of the patients, and to select the RSFCs for further prediction. Subsequently, we utilized a machine learning technique to evaluate the discriminative ability of the connectivity pattern associated with the selected RSFCs. The estimated and chronological MoCA scores were significantly correlated with R = 0.81 and the mean absolute error (MAE) = 1.20. Additionally, cognitive impairments of patients with T2DM can be identified using the RSFC pattern with classification accuracy of 90.54% and the area under the receiver operating characteristic (ROC) curve (AUC) of 0.9737. This connectivity pattern not only included the connections between regions within the default mode network (DMN), but also the functional connectivity between the task-positive networks and the DMN, as well as those within the task-positive networks. The results suggest that an RSFC pattern could be regarded as a potential biomarker to identify the cognitive status of patients with T2DM.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle